基于多源信息融合的果树冠层三维点云拼接方法研究

构建了基于彩色相机和光学混合探测(PMD)相机的多源视觉系统,旨在建立具有真彩色信息的果树冠层三维点云模型,为果树的剪枝、疏花疏果和采摘等果园管理提供技术支持。针对PMD相机获取的目标场景三维点云,结合PMD相机的幅度图像和密度聚类算法提取有效点,利用前期研究的图像配准方法得到多源图像之间的坐标转换关系,完成了果树冠层多源信息融合。通过主成分分析法得到较好的初始位置,再采用最近点迭代算法,实现两组三维点云之间的拼接。对自然场景下的开花期和坐果期的果树冠层三维点云拼接方法进行了实验验证,结果表明多视角三维点云拼接误差为2.62cm,可以较好地弥补单个角度下拍摄造成的数据缺失,实现了果树冠层完整的三维显示。     

基于脉冲耦合神经网络的弹簧卡箍缺陷检测

传统的弹簧卡箍缺陷多为产后人工全检,存在漏检与缺陷率上升等现象,这不但会使成本上升、也对人力资源提出了考验。为此实现自动实时在线全检就成为急需解决的课题,设计了基于机器视觉的弹簧卡箍在线自动检测系统,该系统安装在弹簧卡箍流水线两侧,搭建特定光源,通过激光传感器外部触发工业相机对其表面进行图像捕获,送上位机进行缺陷判定与定位,最后通过RS485将判定结果送下位机来控制剔除机制。实验结果显示：该系统采用改进的脉冲神经网络(PCNN)能准确提取目标缺陷区域并对缺陷进行判定,可在0.348 s每个零件的速度下,检测出弹簧卡箍表面大于10像素的缺陷。通过对不同弹簧卡箍进行检测验证实验,证明了PCNN算法对缺陷分割的准确性和有效性。     

飞机跑道胶痕的自动识别系统设计与实现

为了减轻机场跑道除胶工作人员的劳动强度,提高除胶工作效率,文章提出了一种基于机器视觉的胶痕自动查找和识别方法,设计了基于ARM单片机控制的图像无线采集和基于PC机控制的图像接收、图像预处理和图像识别系统。文章通过分析预处理后的数据特点,确定了基于细胞神经网络算法的胶痕识别算法,然后在MATLAB仿真环境下确定了该算法的最优模型和参数,最后在Visual C++ 6.0环境下完成了该算法的程序编译,调试并完成了对胶痕的自动识别过程。理论仿真和程序测试的结果证明了文章提出的方法在胶痕自动识别系统中的可行性,也为机场特种设备的无人化和智能化提供了参考。     

基于机器视觉的数字化仪表字符识别

针对工业生产中测试仪表显示数据的自动识别问题,提出一种基于机器视觉的数字仪表数据识别方法;文章方法利用图像获取、图像去噪、阈值分割、光学字符识别等技术有效远程识别LCD/LED显示的数字信息。通过实验验证,该系统能远程实时识别具有LCD/LED显示的数字化仪表的显示数据,识别率能达到99%以上,并且能够实现超限报警及数据保存功能。     

一种线结构光振镜扫描测量系统通用标定方法

线结构光振镜扫描测量系统通过单个反射镜片摆动实现被测对象三维面形的测量,具有环境适应性强、测量速度快和结构紧凑等优点。为降低系统装调难度、提升标定方法的通用性,提出了直接建立反射激光平面方程系数与振镜摆角关系的标定思路。考虑系统各元件间的相对位姿关系,推导并得到了激光平面各系数与振镜摆角的一般表达式。根据特定摆角处得到的激光平面方程系数,采用最小二乘方法得到该表达式中的待定系数。实验结果表明,采用所提方法标定的测量系统对阶梯块高度测量的最大相对偏差为-0.3029%,成功实现了复杂曲面的多尺度特征获取。     

单相机双球面镜视觉传感器成像光学特性分析

为了扩大镜像双目视觉传感器的视场范围,采用球面反射镜替换平面反射镜成为一种有效方案。但利用凸球面镜进行反射成像,将会导致图像质量和清晰度的下降,为此研究单相机镜像双目视觉传感器的光学特性。以离轴非中心式球面镜反射为研究对象,建立不同光学特性的成像模型,通过仿真和实验来定量分析球面镜参数对视场范围、分辨率和景深的影响,在给定工业相机和光学镜头参数的情况下给出双球面镜参数的设计方法。搭建基于单相机和双球面镜的视觉传感器,该传感器可以实现镜像双目视觉成像。通过分析基于球面镜反射的视觉传感器的光学特性,为新型镜像双目视觉传感器的设计提供了依据。     

基于特征重聚焦网络的多尺度近岸舰船检测

针对监控视频中的多尺度近岸舰船检测问题,提出了一种基于特征重聚焦网络的舰船目标检测算法,设计了由多维特征聚合模块(MFAM)与注意力特征重构模块(AFRM)组成的特征重聚焦策略.其中,MFAM基于输入的特征金字塔构建特征聚合块,进一步融合多尺度舰船不同层次特征的语义信息.AFRM基于多分支空洞卷积以及通道与空间注意力机制提升网络对目标非局部信息的表征和对背景干扰的抑制,并构建了用于目标检测的特征重聚焦金字塔.在Seaships7000舰船公开数据集上的实验结果表明,相比其他算法,本算法对监控视频中多尺度近岸舰船的检测效果更好.     

点线特征结合的RGB-D视觉里程计

针对传统视觉里程计在低纹理场景下,定位精度差甚至失效的问题,提出一种结合点线特征的RGB-D视觉里程计方法。该方法结合了点线特征各自独有的特性,同时联合点特征的光度误差和线特征的局部梯度适应性误差,构建了一个对低纹理场景鲁棒的联合误差函数。利用高斯-牛顿迭代法对联合误差函数进行非线性迭代优化,以获取相机每一帧的准确位姿。在公开的真实RGB-D数据集和合成基准测试数据集上对本文方法进行评估。实验结果表明,与其他先进算法相比,本文算法具有更优越的准确性和鲁棒性。